OpenAI Academy — образовательное направление компании — опубликовала структурированное руководство по работе с данными через ChatGPT. Документ ориентирован на аналитиков, менеджеров и всех, кто регулярно сталкивается с таблицами, но не хочет тратить время на построение формул и дашбордов вручную.
Чатбот принимает данные несколькими способами: загрузка CSV или Excel-файла, вставка таблицы прямо в чат, либо подключение внешнего источника данных — если это поддерживается в конкретном рабочем пространстве. После этого можно задавать вопросы на обычном языке: просить очистить таблицу, найти аномалии, построить график или сформулировать ключевые выводы в виде короткого резюме.
| Task | Context | Expected output |
|---|---|---|
| Analyze this data and summarize key insights. | Use the sample dataset from our Shopify store (last 30 days). | Provide structured summary of key insights, including what stands out across channels and products, identification of underperforming areas (e.g., low-converting channels), and notable patterns. Includes 4–6 prioritized observations and 5 specific follow-up analyses or questions to investigate next. |
| Review and analyze our sales funnel data. | Use the data from [Campaign name] from [connected analytics app]. | Produce set of clearly separated sections: (1) key observed patterns in the funnel, (2) hypotheses explaining those patterns (e.g., onboarding as primary driver), and (3) recommended experiments or tests. Insights are ranked by business impact, with emphasis on conversion bottlenecks and leverage points. |
| Identify issues or inefficiencies in a process using data | Review the attached current process document, as well as the support team ticket data CSV. | Output a prioritized list of operational issues and bottlenecks (e.g., escalation delays, repeat ticket drivers), each supported by data signals. Includes clear reasoning for why each issue matters, plus recommended areas for immediate improvement or investigation, grouped into quick wins vs deeper fixes. |
Основная ценность такого подхода — скорость на ранних этапах работы с данными. Когда аналитик ещё не понимает, что именно находится в датасете, ChatGPT помогает быстро сориентироваться: выявить выбросы, понять структуру столбцов, наметить направления для более глубокого анализа. Это не замена полноценным BI-инструментам вроде Tableau или Power BI, а инструмент первичной разведки.
OpenAI рекомендует начинать сессию с чёткой формулировки задачи по шаблону: «Я пытаюсь решить ___, опираясь на ___». Такой фрейм задаёт модели контекст и не даёт анализу уйти в сторону. Помимо самих данных, полезно сразу передать определения ключевых колонок, временной диапазон и метрику успеха. Чем точнее контекст — тем меньше итераций потребуется.
Вместо того чтобы просить сразу готовый ответ, руководство советует запрашивать подход: например, сначала попросить провести разведочный анализ данных (EDA) и сформулировать гипотезы для проверки. Это даёт более структурированный и воспроизводимый результат, чем прямой вопрос «что здесь происходит». Если нужны визуализации — их стоит описывать явно: что отображать, как сегментировать, какие подписи осей обязательны.
Отдельный блок руководства посвящён контролю достоверности. ChatGPT можно попросить показать ход вычислений — формулы, допущения, флаги для пропущенных значений и неожиданных всплесков. Также рекомендуется явно запретить модели интерпретировать корреляции как причинно-следственные связи и просить её указывать на ограничения данных. Финальный шаг перед тем, как делиться результатами, — ручная проверка нескольких ключевых цифр. Это стандартная практика при работе с любым автоматизированным анализом, и ChatGPT не исключение.
